图 全组织切片水平的高分辨率空间蛋白质组检测与分析流程示意图

　　在国家自然科学基金项目（批准号：32025009、32130020、32400533、32300538）等资助下，中国科学院动物研究所赵方庆、冀培丰团队在人工智能驱动的空间蛋白质组学技术领域取得进展，研究成果以“基于微流控与迁移学习解析复杂组织的高分辨率空间蛋白质组（High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning）”为题，于2025年1月23日在线发表在《细胞》（Cell）杂志，论文链接：https://www.cell.com/cell/fulltext/S0092-8674(24)01436-3#sec-5。

　　空间组学技术已成为解析组织异质性和复杂细胞相互作用机制的重要工具。尤其是空间转录组学技术已经在胚胎发育、神经科学和疾病机制研究中展现了巨大潜力。然而，现有空间蛋白质组学技术由于质谱检测通量和高昂成本等因素，难以满足高分辨率与大面积组织分析需求，限制了其在复杂组织研究中的应用。

　　研究团队提出人工智能驱动的空间蛋白组学测量与分析技术框架PLATO，该框架通过整合深度学习算法与微流控技术，实现了全组织切片水平的高分辨率空间蛋白质组检测。首先，该研究结合微流控技术，开发了高通量、低成本的并行原位采样平台，可实现25至100微米分辨率范围内的灵活精确采样。其次，该研究通过人工智能算法还原蛋白的空间位置信息，突破了传统质谱技术难以获取空间信息的限制，大幅提高了空间蛋白质组的覆盖度和分辨率。研究团队利用该技术对小鼠脑组织、肠道绒毛及乳腺癌等复杂组织进行了高分辨率蛋白质空间分布解析，进一步验证了该方法在不同应用场景及研究方向中的巨大潜力。

　　该研究深度融合人工智能算法、微流控和质谱技术，实现空间组学技术的重要突破和技术迭代创新，为揭示蛋白质动态分布和探究复杂生物过程的分子机制提供了有力支持，有望在疾病诊断、精准医学和农业生物技术等领域发挥重要作用。